Vlastnosti xgboostlinearnode

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

Vlastnosti xgboostlinearnode

Last updated: 04. 7. 2023

Vlastnosti xgboostlinearnode

Ikona lineárního uzlu XGBoost XGBoost Linear© je rozšířenou implementací gradientu stimulujícího algoritmu s lineárním modelem jako základního modelu. Posilovací algoritmy iterativně učí slabé klasifikátory a pak je přidávají do konečného silného klasifikátoru. Lineární uzel XGBoost v produktu SPSS Modeler se implementuje v jazyce Python.

Tabulka 1. Vlastnosti uzlu xgbostlinearnode
`xgboostlinearnode` vlastnosti	Datový typ	Popis vlastnosti
`custom_fields`	typ boolean	Tato volba říká uzlu, aby místo toho udané v jakémkoliv předchozím uzlu (uzlech) použil informace o poli zadané v tomto poli. Po výběru této volby zadejte podle potřeby pole.
`target`	pole
`inputs`	pole
`alpha`	Dvojitá čára	alfa-lineární přídavný parametr. Uveďte libovolné číslo `0` nebo vyšší. Předvolba je `0`.
`lambda`	Dvojitá čára	Hodnota lineárního posilovače lambda. Uveďte libovolné číslo `0` nebo vyšší. Předvolba je `1`.
`lambdaBias`	Dvojitá čára	Lambda podstupuje lineární posilovací parametr. Uveďte libovolné číslo. Předvolba je `0`.
`num_boost_round`	celočíselná hodnota	Počet zaokrouhlené hodnoty pro budovu modelu. Zadejte hodnotu mezi `1` a `1000`. Předvolba je `10`.
`objectiveType`	řetězec	Typ cíle pro úlohu učení. Možné hodnoty jsou`reg:linear`, `reg:logistic`, `reg:gamma`, `reg:tweedie`,`count:poisson`,`rank:pairwise`, `binary:logistic`, nebo `multi`. Všimněte si, že pro cíle parametrů lze použít pouze `binary:logistic` nebo `multi` . Je-li použit příznak `multi` , výsledek skóre zobrazí typy cílů `multi:softmax` a `multi:softprob` XGBoost.
`random_seed`	celočíselná hodnota	Náhodný náhodný řetězec. Libovolné číslo mezi `0` a `9999999`. Předvolba je `0`.
`useHPO`	Logická hodnota	Uveďte `true` nebo `false` , chcete-li povolit nebo zakázat volby HPO. Je-li nastaveno na `true`, použije se Rbfopt pro zjištění nejlepšího "nejlepšího modelu" One-Class SVM, který dosáhne cílové hodnoty cíle definované uživatelem s parametrem `target_objval` .